短丝纤维卷绕牵伸齿轮箱故障信号的图像特征提取方法

针对短丝纤维卷绕牵伸齿轮箱故障信号不易提取的问题,提出了基于图像纹理信息的特征提取方法。通过对齿轮箱振动信号进行小波包双谱分析,获得具有稳定纹理信息的振动信号双谱图,采用基于小波变换对双谱图进行图像融合,提高图像的综合纹理特征。采用灰度共生矩阵的四个特征参数对振动信号的双谱图进行加权融合特征提取。在短丝生产线上对齿轮箱常见的齿轮破损和裂纹进行了实验分析,结果表明本文方法的故障识别率达到85%以上。     

基于深度学习的模拟电路故障诊断算法

针对模拟电路易发生故障且不易诊断的问题,提出了一种基于深度学习的模拟电路故障诊断算法。该算法首先将采样的原始数据制作成语音形式,然后通过时频域变化转化为语谱图,最后再将其送入VGG16模型中进行训练与测试。实验结果表明,该算法用于模拟电路故障诊断时能够识别的故障种类达到9种,同时准确度达到了100%,具有很强的电路故障诊断能力。     

基于卷积神经网络的翻录语音检测算法

针对翻录语音攻击说话人识别系统,危害合法用户的权益问题,提出了一种基于卷积神经网络（CNN）的翻录语音检测算法。首先,通过提取原始语音与翻录语音的语谱图,并将其输入到卷积神经网络中,对其进行特征提取及分类;然后,搭建了适应于检测翻录语音的网络框架,分析讨论了输入不同窗移的语谱图对检测率的影响;最后,对不同偷录及回放设备的翻录语音进行了交叉实验检测,并与现有的经典算法进行了对比。实验结果表明,所提方法能够准确地判断待测语音是否为翻录语音,其识别率达到了99.26%,与静音段梅尔频率倒谱系数（MFCC）算法、信道模式噪声算法和长时窗比例因子算法相比,识别率分别提高了约26个百分点、21个百分点和0.35个百分点。     

面向去中心化双重差分隐私的谱图卷积神经网络

图卷积神经网络是一种面向多任务且应用广泛的深度学习模型。文章研究了去中心化场景中谱域图卷积神经网络节点关系信息和节点特征信息的保护问题,提出双重差分隐私保护机制下的谱图卷积神经网络DDPSGCN。在给定隐私预算总额的条件下对拉普拉斯机制和高斯机制进行隐私预算分配,并通过隐私损失和Chernoff界理论进行参数估计。在两大分布噪声扰动作用基于不同图数据信息的隐私保护下,文章提出基于区块链去中心化差分隐私处理机制的图卷积神经网络训练算法。实验表明文章采用的去中心化双重差分隐私机制,能够在半监督节点分类任务准确率下降1%以内的前提下确保原始数据隐私不泄露,相较于单隐私保护机制有着更高的隐私保护效率和更强的对抗攻击鲁棒性。     

双基推进剂燃烧火焰温度CARS测定技术

得到了双基推进剂燃烧火焰CARS实验谱图及相应的温度拟合值。实测结果表明，燃烧火焰平衡区的CARS实验拟合温度数值与相应的热力学计算温度值基本吻合，连续采集的CARS谱显现的温度梯度说明CARS技术可以应用于推进剂燃烧火焰温度的实时诊断。     

炼油厂循环水系统油料泄漏点快速检测

循环水系统内换热器中的油料泄漏在国内石化企业中是一个普遍存在的问题。由于循环水系统中换热器内漏的隐蔽性,泄漏时不能及时发现,从而造成油品的大量泄漏,造成对水冷设备的腐蚀,潜在地危害系统的正常运行,并给安全生产带来重大隐患。因此,研制一种能够及时识别泄漏物质及泄漏点的技术,对装置的安全生产以及长周期运行尤其重要。根据向量夹角法,用VB6.0编程自动完成分析两个液相谱图间的色谱峰匹配并计算相似度。结果表明,此方法能较好地定量评价液相图谱间的相似性,可应用于炼油厂循环水系统的漏点检测。     

基于谱图理论的电工电子技术课程知识体系构建

电工电子技术课程教学中涉及讲授的类型较多,这些结构在实际中的应也有所不同,为此结合功能设计需求提出对教学内容设置的优化方案。文章首先总结归纳了电工电子技术构件的功能并以此进行分类;其次结合实际中不同设计方案建立电路设计结构谱图;最后针对谱图在设计中的应用程度实现对教学内容及知识的体系化构建。以面向电路设计功能实现而提出的结构谱图方法将梳理在实际教学中电工电子技术授课的侧重性并有助于指导学生在学习该课程的过程中积累更多的关于电路设计结构配置的基础知识。     

基于CNN的连续语音说话人声纹识别

近年来,随着社会生活水平的不断提高,人们对机器智能人声识别的要求越来越高.高斯混合—隐马尔可夫模型(Gaussian of mixture-hidden Markov model,GMM-HMM)是说话人识别研究领域中最重要的模型.由于该模型对大语音数据的建模能力不是很好,对噪声的顽健性也比较差,模型的发展遇到了瓶颈.为了解决该问题,研究者开始关注深度学习技术.引入了CNN深度学习模型研究连续语音说话人识别问题,并提出了CNN连续说话人识别(continuous speaker recognition of convolutional neural network,CSR-CNN)算法.模型提取固定长度、符合语序的语音片段,形成时间线上的有序语谱图,通过CNN提取特征序列,经过奖惩函数对特征序列组合进行连续测量.实验结果表明,CSR-CNN算法在连续—片段说话人识别领域取得了比GMM-HMM更好的识别效果.     

钻石图的Laplacian谱确定问题

给出了2类邻接同谱图,通过GM转换,分别证明了这2类图是邻接同谱的。最后证明了钻石图由它的Lapla-cian谱确定。